שיעורי ההצלחה של סטודנטים למדעים בשנה הראשונה להשכלה גבוהה הם בעייתיים. אף על פי שכמות נכבדה של מחקרים קודמים בוצעה כדי לחקור את הקובעים של ההישגים האקדמיים של הסטודנטים ב- FYHE, לא היה דיון מועט על הערך המצטבר של גורמים לא-קוגניטיביים מעבר לגורמים קוגניטיביים בתחזית מוקדם(לאחר הסמסטר הראשון של FYHE) הישגים אקדמיים בהקשר חינוכי מדעי. יתרה מזאת, לעתים קרובות מוזנח האופי המורכב של מערכות היחסים בין הקובעים להישגים אקדמיים. תחקיר המתייחס לפערים אלה חשוב לספק את התובנות הנחוצות לזיהוי סטודנטים למדעי סיכון בתחילת דרכם האקדמית. לכן המטרה העיקרית של מחקר זה הייתה לבחון את הערך המצטבר של משתנים לא קוגניטיביים ( אסטרטגיות עיבוד , אסטרטגיות ויסות , מוטיבציה אקדמית , מושג עצמי , יכולת עצמית) בניבוי הישגיהם האקדמיים המוקדמים של התלמידים בהקשר של מדע FYHE, מעבר לידע קודם ספציפי לתחום (קוגניטיבי) ואחרי בקרה על מגדר, גיל וחינוך קודם. מכאן נעשה שימוש בניתוחי נתיב על נתוני 781 סטודנטים שנה א 'בפקולטה למדעים של מכללה בלגית בשנת הלימודים אקדמית 2016–2017. התוצאות מראות שמשתנים קוגניטיביים ומאפייני כניסה מראש מנבאים הישגים אקדמיים מוקדמים. עם זאת, לאחר שליטה במאפיינים אלה, לא ניתן היה למצוא עדות להנחה כי משתנים לא-קוגניטיביים הם הקובעים את ההישגים האקדמיים המוקדמים בהקשרים של חינוך מדעי במחקר זה. ההשלכות על תיאוריה ומחקר נדונות.
מילות מפתח
השכלה גבוהה סטודנטים שנה א ' מנבאים קוגניטיביים מנבאים לא קוגניטיביים הישגים אקדמיים מוקדמים
חינוך בתחומי ה- STEM (מדע, טכנולוגיה, הנדסה ומתמטיקה) זוכה להכרה רחבה כחשוב במיוחד לטיפוח חדשנות וצמיחה כלכלית בעידן המידע והטכנולוגיה הנוכחי (OECD 2017 ). עם זאת, ברוב המדינות תחומי הלימוד הללו פחות פופולריים בקרב סטודנטים ושיעורי ההתשה בהשכלה הגבוהה נותרו בעיה משכנעת (Chen 2013 ; OECD 2008 ; OECD 2017 ). זה הביא לגידול במחקר מחקרי בגורמי ההצלחה במחקר ב- STEM (למשל Pinxten et al. 2017 ; Van Soom and Donche 2014 ) ויוזמות רבות לשיפור ההישגים האקדמיים של סטודנטים ב- STEM (למשל Canning et al. 2017); הממשלה הפלמית 2012 ).
בהקשר זה, מספר גדל והולך של מוסדות להשכלה גבוהה מפתחים התערבויות ופרקטיקות להדרכת ותמיכה בסטודנטים למדעי סיכון בשנה הראשונה להשכלה גבוהה (FYHE) (Brooman and Darwent 2013 ; McGhie and du Preez 2015 ; Hultberg et al. . 2008 ). מספר קווי מחקר קובעים את חשיבותן של יוזמות וליווי אלה בתחילת שנת הלימודים האקדמית (למשל בק ודוידסון 2001 ; פיסטילי וארנולד 2010 ). חוויות בשלבים המוקדמים של ההשכלה הגבוהה נמצאו חיוניות להתאמת התלמידים, וכתוצאה מכך לחוויותיהם לטווח הארוך ולהצלחתם האקדמית (Harackiewicz et al. 2002 ; Woosley 2003). יתרה מכך, נטען כי כאשר התלמידים מבינים סיכון לכישלון לאחר קבלת ציונים מרובים שאינם מספקים, הסבירות כי כל שינוי בהתנהגות המחקר יביא לשיפור בביצועים (Jayaprakash et al. 2014 ). במילים אחרות, כישלון לימודים מוקדם יכול לגרום לסחרור כלפי מטה של הערכה עצמית נמוכה, מוטיבציה ו / או התנתקות אקדמית (Wigfield et al. 2006 ), ובסופו של דבר להוביל סטודנטים הרחק מתחום ה- STEM (Gasiewski et al. 2012 ).
לאנשי FYHE קשה לפקח על התקדמותם האקדמית של התלמידים. כתוצאה מכך, לרוב מתעלמים מהתלמידים הנאבקים (Macfadyen ו- Dawson 2010 ; Yorke 2000 ). לאור זאת, פיתוח מערכות אזהרה המסמנות תלמידים מדעיים בסיכון בסיכון בתחילת הקריירה האקדמית שלהם - לפני שהושגו ציונים נמוכים או בעיות הסתגלות מסכנות את התקדמותם בהשכלה גבוהה - נראה הכרחי למעבר חלק שלהם להשכלה גבוהה (פיסטילי ו- ארנולד 2010). לפיכך, מודל חזוי המכיל מגוון של גורמים רלוונטיים של הישגים אקדמיים מוקדמים (אחרי הסמסטר הראשון) יכול להועיל בזיהוי סטודנטים בסיכון בשלב מוקדם של ההשכלה הגבוהה, כך שניתן יהיה להוביל אותם ליוזמות אימון והדרכה מתאימות בזמן. .
עם זאת, הרוב המכריע של המחקרים הקודמים שקיבלו את ההישגים האקדמיים של הסטודנטים בשנה א 'התמקדו בהישגים אקדמיים לאחר סיום השנה האקדמית הראשונה (למשל, ריצ'רדסון ואח', 2012 ). מה להלן, מחקר זה נחקר ומתוארים מספר מערכות יחסים מוכרות בין הישגים אקדמיים למספר מאפיינים קוגניטיביים, לא-קוגניטיביים וכניסה מראש.
קובעי הישגים אקדמיים ב- FYHE
גורמים קוגניטיביים
מקובל על כך שיכולת קוגניטיבית - במחקר זה, המופנה עוד יותר כידע קודם - היא מנבא חשוב להישגיהם האקדמיים של הסטודנטים ב- FYHE. Echoing Dochy et al. ( 1999 ), רואים את הידע הקודם כ"כל הידע הממשי של האדם שהוא: (א) זמין לפני משימת למידה מסוימת, (ב) מובנה בסכימות, (ג) הצהרתי ופרוצדוראלי, (ד) באופן מפורש וחלקי חלקית שבשתיקה ו (ה) דינמיות באופיין ומאוחסנות בבסיס הידע ”(עמ.146). תומפסון וזמבנגה ( 2004 ) מצאו כי ידע קודם בפסיכולוגיה מראה על קשר חיובי עם הישגים אקדמיים בקורס פסיכולוגיה מבוא. פונטיין ואח '. ( 2015) בחן מבחן של כישורי מתמטיקה בסיסיים, שנלקח בתחילת FYHE, יכול לתרום לחיזוי הישגים אקדמיים כלליים. תוצאות המחקר שלהם מעידות כי מבחן כזה אכן מסייע בזיהוי סטודנטים בסיכון בתחילת השנה האקדמית. בהקשר STEM אז, אקרמן ואח '. ( 2013 ) ול Le et al. ( 2014 ) מצא כי הידע הקודם של התלמידים, הממוסד כציוני (מתמטיקה) בבחינות הבגרות (SAT ו- ACT) בסיום החינוך העל-יסודי וממוצע ציוני התיכון (GPA), קשור חיובי להישגים אקדמיים בשנה הראשונה. של תוכנית STEM. יתרה מזאת, מחקר שנערך על ידי ריצ'רדסון ואח '. ( 2012) מאשר קשר חיובי וחזק בין ידע קודם להישגיהם האקדמיים של התלמידים במגוון תחומי לימוד ב- FYHE. Dochy et al. ( 2002 ) אפילו טוענים שידע קודם הוא המשתנה החשוב ביותר של התלמידים בחיזוי תוצאות הלמידה.
גורמים לא קוגניטיביים
לצד התפקיד הבלתי ניתן להפריך של ידע קודם בהסבר הישגים אקדמיים בשנה הראשונה, נטען כי גם גורמים לא-קוגניטיביים כמו משתנים מטה-קוגניטיביים ומוטיבציוניים חשוב לכלול במודלים המנבאים הישגים אקדמיים של סטודנטים ב- FYHE (למשל Credé) ו- Kuncel 2008 ; Richardson et al. 2012 ). אכן, Komarraju et al. ( 2013 ) מציינים כי סטודנטים בעלי ידע קודם נמוך עשויים להסתמך בכבדות על כישורים פסיכוסוציאליים לא-קוגניטיביים, כמו פירעון ומסירות גדולים יותר, ואסטרטגיות לימוד יעילות יותר בכדי לעמוד בקצב עיסוקיהם האקדמיים. מצד שני, כמובן, ישנם סטודנטים שמשיגים פחות טוב ללא קשר לידע המקדים הגבוה שלהם (Komarraju et al. 2013 ).
בתחום המחקר על המוטיבציה והלמידה של התלמידים להשכלה גבוהה ניתן להבחין בשתי מסורות מחקר מנוגדות ועם זאת חופפות (Pintrich 2004 ). המסורת הראשונה נוגעת לעבודתם של חוקרים חינוכיים בעיקר מאירופה ואוסטרליה; מסורת גישות הסטודנטים (SAL) (למשל Biggs 2003 ; Entwistle ו- Ramsden 2015 ; Vermunt 2005 ). מסגרת תיאורטית חשובה בפרספקטיבה זו של SAL היא המודל הכללי של ורמונט למידה קונסטרוקטיבית (1998), אשר אוששה במחקרים מרובים (למשל Vermunt and Donche 2017 ; Vermunt and Vermetten 2004). על פי מודל זה, אסטרטגיות עיבוד בהן התלמידים משתמשים מושפעות ישירות מאסטרטגיות הרגולציה שיש ברשותן. המודל מניח עוד כי לגורמי מוטיבציה יש השפעה על אסטרטגיות עיבוד, בעיקר בעקיפין, באמצעות שימוש באסטרטגיות ויסות. בשלב הבא, התיאוריה מניחה כי הדרך בה הסטודנטים מווסתים את הלמידה שלהם נקבעת במידה ניכרת על ידי המוטיבציה שלהם. לבסוף, ורמונט טוען כי לכל מרכיב במסגרת זו השפעה על תוצאות הלמידה.
מסורת המחקר השנייה, פרספקטיבת הלמידה בוויסות עצמי (SRL) מבוססת על עבודתם המדעית של חוקרים מצפון אמריקה בעיקר (למשל, Pintrich 2004 ; Zimmerman 2000 ). בפרספקטיבת ה- SRL, Pintrich and Zusho ( 2007 ) תיארו מסגרת רחבה חשובה של מוטיבציה ולמידה מווסתת עצמי בכיתת המכללה. מודל זה טוען שתוצרי הלמידה כמו התמדה והישגים אקדמיים מושפעים ישירות הן מהמוטיבציה (ביניהן אמונות עצמיות) והן מתהליכי ויסות עצמי. ליתר דיוק, על פי זושו ( 2017)) המודל מניח במידה רבה כי סטודנטים עם פרופילי מוטיבציה אדפטיביים יותר (למשל אמונות מסוגלות עצמית גבוהה יותר, בעלי מוטיבציה גבוהה יותר) ישתמשו באסטרטגיות עיבוד ורגולציה מתאימות יותר, וככאלה יש סיכוי גבוה יותר להגיע לרמות גבוהות יותר של הישגים אקדמיים.
שני מודלים סמכותיים אלה הוכיחו שוב ושוב את הרלוונטיות שלהם לתחום מחקר ההשכלה הגבוהה על משתנים לא-קוגניטיביים, ולכן הם משמשים הרציונל הבסיסי לבחירת המנבאים הבאים להישגים אקדמיים: אסטרטגיות עיבוד, אסטרטגיות ויסות, אמונות עצמית אקדמיות. (מסוגלות עצמית ותפיסה עצמית) ומוטיבציה אקדמית.
עם זאת, מחקר על גורמים להשגת הישגים אקדמיים מתרכז בעיקר בזיהוי של גורמים פרטניים, ואילו יחסי הגומלין בין גורמים אלה נחקרו פחות (למשל De Clercq et al. 2013a ; Phan 2009 ; Tinto 1993 , 1997). עם זאת, כאשר בוחנים מחקרים קודמים אלה, מתברר האופי המורכב של מערכות היחסים בין הקובעים להישגים אקדמיים. לפיכך, נקודת מבט מחקרית אינטגרטיבית בהתחשב בהשפעות מתווכות נראית כמתאימה לתפוס את המורכבות של קשרי הגומלין בין גורמי ההשפעה המתוארים. לפיכך, בהתאם לשני המודלים המתוארים, במחקר זה אנו מניחים כי (1) למוטיבציה אקדמית ואמונות עצמיות אקדמיות יש השפעה ישירה על אסטרטגיות עיבוד ואסטרטגיות ויסות ו (2) לאסטרטגיות ויסות יש השפעה ישירה על אסטרטגיות העיבוד. .
בפסקאות העוקבות מתוארים מושגים אלה והקשרים בתוך מודל המחקר (איור 1 ) מטופלים עוד יותר.
מודל רעיוני: קשרים בין מנבאים והישגים אקדמיים מוקדמים
אסטרטגיות עיבוד
אסטרטגיות עיבוד הן פעילויות חשיבה ומיומנויות לימוד בהן יש לתלמידים החלים על תכני הלימוד בתהליכים (Vermunt 1998 ). במחקר חינוכי נעשית בדרך כלל הבחנה בין שני ממדים רחבים: עיבוד עמוק ומשטח (למשל Biggs 2003 ). הראשונה קשורה בפעילות חשיבה המובילה את התלמיד להבנה מעמיקה של משימה מסוימת, למשל הקשורה או יישום. האחרונה כוללת פעילויות למידה כמו שינון או רימוט למידה המובילות ללמידה של תכונות שטחיות של משימת לימוד. יש לציין כי מבנה של אסטרטגיות עיבוד דומה באופן מושגי למבנה של מעורבות קוגניטיבית, כפי שפורט בעיקר בספרות ובספרות מעורבות (ראו למשל גרין ומילר.1996 ; גרין 2015 ; פינטריץ וזושו 2007 ).
כמות לא מבוטלת של מחקרים קודמים הראתה שלמידה מעמיקה מעלה הישגים אקדמיים גבוהים (למשל Donche et al. 2013a ; Vermunt 2005 ; Zeegers 2001 ), בעוד שלמידה על שטח מביאה להישגים אקדמיים נמוכים יותר (Lindblom-Ylänne and Lonka 1998 ; Vermunt 2005 ). יתר על כן, מערכות היחסים האמורות מאושרות על ידי שני מטה-אנליזות של ריצ'רדסון ואח '. ( 2012 ) ודנט וקונקה ( 2016 ), שמצאו כי האסוציאציות הללו חשובות, אך קטנות.
אסטרטגיות רגולציה
מלבד עיבוד אסטרטגיות, אסטרטגיות רגולציה ממלאות תפקיד חשוב גם בחיזוי הישגים אקדמיים. אסטרטגיות רגולציה מתייחסות לאותן פעילויות בהן משתמשים הסטודנטים כדי לרתום את אסטרטגיות העיבוד הקוגניטיבי שלהם (Schunk and Zimmerman 2012 ). מחקרים קודמים מצאו כי ויסות עצמי, או המידה בה התלמידים מנווטים באופן פעיל את תהליך הלמידה שלהם הם קשורים להישגים גבוהים יותר (למשל ריצ'רדסון ואח ', 2012 ; ורמונט 2005 ). במיוחד, חוסר הרגולציה של הסטודנטים, או חוסר בהירות כיצד לנווט את תהליך הלמידה, נמצא שוב ושוב קשור להישגים אקדמיים נמוכים יותר (למשל Busato et al. 1998 ; Donche and Van Petegem 2010 ; Van Rooij et al.2018 ; ורמונט 2005 ).
יתר על כן, מחקר קודם אישר גם את קיומם של קשרי גומלין בין אסטרטגיות הרגולציה והעיבוד. מחקר של Heikkilä et al. ( 2011 ) למשל, מצאו קשרים משמעותיים בין הוויסות העצמי של התלמידים וגישה עמוקה ללמידה, בעוד שלא היה קשר בין אסטרטגיית למידה המווסתת עצמית לבין גישה משטחית ללמידה.
מוטיבציה אקדמית
מנבא חשוב נוסף להישגים אקדמיים המובחן בעבודה החדישה האחרונה הוא המוטיבציה האקדמית של הסטודנטים. על פי תיאוריית ההגדרה העצמית (SDT), ניתן להבחין בין מוטיבציה אוטונומית ומבוקרת על בסיס איכות המוטיבציה (Deci and Ryan 2000 ). סטודנטים בעלי מוטיבציה אוטונומית לומדים מתוך אינטרס אישי (ויסות מהותי) או רלוונטיות נתפסת לעתיד (רגולציה מזוהה). לעומת זאת, מוטיבציה מבוקרת מתייחסת למקורות חיצוניים (ויסות חיצוני) או לרצות לעמוד בציפיות מאחרים כסיבות התלמיד ללימודים (רגולציה מופנמת). יתרה מזאת, באמצעות מושג האמוטיבציה, SDT משלב בתוכו את הרעיון שתלמידים יכולים להיעדר מוטיבציה ללמוד.
אף על פי שלא כל המחקרים מצאו קשרים משמעותיים בין הישגים אוטונומיים, מבוקרים או אמוטיבציה לבין הישגיהם האקדמיים של סטודנטים במכללה (לדוגמא: Baker 2004 ), בהתאם למספר המחקרים שעשו, אנו מצפים כי איכות וכמות המוטיבציה יהיו קשורים להישגים אקדמיים ( דסי וראיין 2000 ). לדוגמה, אמוטיבציה שוב ושוב קשורה לרעה בהצלחת הלימודים של התלמידים (למשל Prospero ו- Vohra-Gupta 2007 ; Vanthournout et al. 2012 ). מחקרים אחרים מראים כי סטודנטים בעלי מוטיבציה אוטונומית יותר הם בעלי הישגים אקדמיים גבוהים יותר מאשר סטודנטים בעלי מוטיבציה מבוקרת יותר או מחוברים יותר (למשל Bailey and Phillips 2016 ; Guay et al.2010 ).
מלבד הקשר בין מוטיבציה והישגיות אקדמית, אנו יכולים לצפות גם לקשרים חשובים בין המוטיבציה האקדמית של הסטודנטים בשנה א 'לבין אסטרטגיות העיבוד והוויסות. המחקר של Donche et al. ( 2013 ב) הוכיחו כי המוטיבציה האקדמית האוטונומית קשורה לחיוב לשימוש באסטרטגיות עיבוד פני השטח ובמידה פחותה. יתרה מזאת, המוטיבציה האוטונומית הייתה חיזוי חיובי לוויסות עצמי וניבוי שלילי לחוסר ויסות. נמצא כי מוטיבציה מבוקרת קשורה באופן שלילי לשימוש באסטרטגיות עיבוד עמוקות, אך קשורה לחיוב לשימוש באסטרטגיות שטח. כמו כן, באותו מחקר זה, למוטיבציה מבוקרת הייתה השפעה חיובית על היעדר ויסות והשפעה שלילית על ויסות עצמי. לבסוף, האמוטיבציה הייתה קשורה לחיוב לחוסר הוויסות של התלמידים - וכנגד הציפיות - לוויסות העצמי שלהם.
אמונות עצמיות
במהלך העשורים, כמות ניכרת של מחקרים במחקרים חינוכיים השתמשו בתפיסה עצמית או ביעילות עצמית כדי להמשיג אמונות עצמית בהקשרים חינוכיים (Bong ו- Skaalvik 2003 ). Bandura ( 1995 ) מתאר את היעילות העצמית כאמונות ביכולותיו של האדם לארגן ולבצע את דרכי הפעולה הנדרשות לניהול מצבים פוטנציאליים ולהפקת הישגים שניתנים. Echoing Shavelson et al. ( 1976 ), מושג עצמי מוגדר כתפיסת האדם את עצמו נוצר באמצעות חוויות עם הסביבה. כבונה, מושג עצמי קשור בחוזקה למבנה של יכולת עצמית. צימרמן ( 2000) עם זאת, קובע כי מושג עצמי הוא מבנה תיאורי עצמי כללי יותר המשלב צורות רבות של ידע עצמי ורגשות הערכה עצמית. הוא טוען שמדדים של מושג עצמי מדגישים תגובות על הערכה עצמית על ידי הצבת שאלות הערכה עצמית, למשל "כמה אתה טוב באנגלית?". פריטי יכולת עצמית, לעומת זאת, מתמקדים אך ורק בציפיות ביצוע ספציפיות למשימה, כמו "כמה אתה בטוח שאתה יכול לבנות משפט נכון?" (צימרמן 2000 ).
גוף משמעותי של מחקר מצא קשר חיובי חזק בין יעילות עצמית לבין הישגים אקדמיים (Richardson et al. 2012 ; Robbins et al. 2004 ). נמצא כי מושג עצמי קשור לחיוב גם להישגים אקדמיים (למשל Huang 2011 ). למרות קשר תיאורטי זה, המטה-אנליזה של רובינס ואח '. ( 2004 ) רק מראה על קשר חיובי קטן בין שני הקונסטרוקציות.
אמונות עצמיות הן גם מנבאים חשובים לאסטרטגיות הלמידה של התלמידים. שונק וצימרמן ( 2012 ) מסיקים כי לתפקוד העצמי השפעה חזקה על הוויסות העצמי של התלמידים. לדוגמה, מחקר אכן הראה כי סטודנטים בעלי יכולת עצמית גבוהה מדווחים על רמות גבוהות יותר של חוסר ויסות בלמידה שלהם (Donche et al. 2010 ). יתר על כן, מחקרים של Fenollar et al. ( 2007 ) ופאן ( 2010 ) מצאו השפעה חיובית של יעילות עצמית על עיבוד עמוק. ביחס לעיבוד השטח, מחקרים אלה דיווחו על ממצאים חד משמעיים; Fenollar et al. ( 2007 ) מצא כי קשר זה היה שלילי, ואילו Phan ( 2010 ) דיווח על קשר חיובי.
שילוב של גורמים קוגניטיביים ולא-קוגניטיביים
מספר מחקרים בדקו את הערך של שילוב קוגניטיבי ולא קוגניטיבי כדי להסביר את ההישגים האקדמיים של הסטודנטים בשנה הראשונה. למשל, מחקר שנערך על ידי פונטיין ואח '. ( 2017) מצא כי ניתן לחזות הישגים אקדמיים לאחר שנת לימודים שהושלמה על ידי גורמים קוגניטיביים ורקעיים ועל ידי מצפוניות, יכולת עצמית וחרדת מבחנים. למרות שכוחם החיזוי של משתנים השתנה בין תכניות לימוד שונות, המחקר מסיק כי הכללת גורמים לא-קוגניטיביים חשובה ומאפשרת חיזוי טוב יותר של הישגים אקדמיים במספר תכניות. מחקרים שנערכו במערכות התרעה מוקדמת ב- FYHE תוך שימוש באנליטיקס למידה מצאו כי מודל חזוי המכיל אך ורק ציוני SAT ניבא את ההישגים האקדמיים בצורה קלה. עם זאת, כאשר מוסיפים את נתוני הפעילות המקוונת של התלמידים (מספר כניסות במערכת לניהול למידה), המציינים את המאמץ שמפעיל סטודנט בקורס, הכוח החיזוי של המודל כמעט שילש את עצמו (Campbell et al. 2006; מקפדן ודוסון 2010 ). ניתן לראות את הרלוונטיות להכללת משתנים לא-קוגניטיביים ב- Pinxten et al. ( 2017 ). המוטיבציה / ההתמדה, ההתמדה, הריכוז וניהול הכישורים של סטודנטים למדע בתחילת הדרך השפיעו באופן משמעותי על הישגי התלמידים בסוף השנה הראשונה, אם כי הערך המצטבר לעומת הישגים קודמים היה קטן.
שני אנליזות מטה חשובות מאששות את הרעיון כי גורמים שאינם קוגניטיביים אכן תורמים שונות ייחודית להישגיהם האקדמיים של הסטודנטים בשנה הבאה לצד קביעים קוגניטיביים. ראשית, Credé ו- Kuncel ( 2008 ) חשפו כי משתני מוטיבציה וכישורי לימוד מניבים תוקף מצטבר משמעותי בחיזוי הביצועים האקדמיים ב- FYHE מעל ומעלה הן ציוני תיכון והן ציונים במבחני קבלה סטנדרטיים. שנית, ריצ'רדסון ואח '. ( 2012) הראו כי יעילות עצמית אקדמית, יעדי ציון ורגולציה של מאמץ היוו יחד 6% מהשונות שהוסברו ב- GPA ב- FYHE מעל וממוצע ציוני GPA ו- SAT / ACT של בית הספר התיכון (המודל הכולל הסביר 28% מהשונות). עם זאת, עד היום, מחקר על תוקפם החזוי של המשתנים הלא-קוגניטיביים הנבדקים נטו להתמקד בתחום מדעי הרוח. עדויות אמפיריות בנושא זה בתחום ה- STEM הן נדירות למדי.
מספר מצומצם של מחקרים בדק באופן ספציפי את כוח החיזוי של שילוב של גורמים קוגניטיביים ולא-קוגניטיביים בהישגים אקדמיים מוקדמים (אחרי הסמסטר הראשון) ב- FYHE. Harackiewicz et al. ( 2002 ) הדגימה כי יעדי הישגיות, מדדי יכולת וביצועים קודמים של תיכוניסטים של סטודנטים בסמסטר א 'בקורס פסיכולוגיה מבוא, כל אחד תרם שונות ייחודית בחיזוי הישגים אקדמיים לאחר הסמסטר הראשון. אולני ( 2009 ) לא הצליח למצוא תוקף חזוי מצטבר של מוטיבציה ויעילות עצמית מעבר למשתנים קוגניטיביים במדגם הכולל של 214 סטודנטים אתיופים בתוך כמה תחומי לימוד. בהקשר של STEM, Van Soom and Donche ( 2014) מצא כי עבור סטודנטים גברים ואחרי ביקורת על התוצאה הקודמת בתיכון, ניתן היה להסביר 4% מהשונות בהישגים אקדמיים מוקדמים על ידי פרופילי סטודנטים שהתבססו על מוטיבציה אוטונומית ותפיסה עצמית אקדמית. עבור סטודנטיות, לא הייתה כל השפעה משמעותית של הקצאת פרופיל על הישגים אקדמיים מוקדמים לאחר ביקורת על תוצאות התיכון.
מאפייני כניסה לפני
מחקר FYHE הוכיחה כי המאפיינים טרום כניסתם של התלמידים בגיל , מגדר לבין השכלה תיכונית לפני קשורות בהישגים הלימודיים (ראה Bruinsma ו Jansen 2007 ; דה קלרק ואח '. 2013b ; Donche ואן Petegem 2010 ; Fonteyne et al. 2015 ; ינסן 2004 ; ריצ'רדסון ואח ' 2012 ) ולאסטרטגיות עיבוד ורגולציה (ראו Donche and Van Petegem 2010 ; Severiens and Ten Dam 1997 ; Vermunt 2005 ). במחקר זה כללנו את מאפייני הכניסה לפני כן כמשתני בקרה.
מחקר זה
אף על פי שמחקר רב הוקדש לזיהוי הגורמים הקובעים להישגים אקדמיים ב- FYHE, פחות תשומת לב הוקדשה לערך המצטבר של מגוון רחב של גורמים לא-קוגניטיביים בשילוב עם גורמים קוגניטיביים בחיזוי הישגים אקדמיים מוקדמים בחינוך מדעי. . יתר על כן, תחום מחקר זה מזניח בדרך כלל את האופי המורכב של מערכות היחסים בין הקובעים, תוך התמקדות אך ורק בזיהוי של קביעות אינדיבידואליות. אכן, למיטב ידיעתנו, מודל התהליך שקבענו (איור 1 ), המכיל קומפוזיציה מסוימת זו של משתנים לא-קוגניטיביים לעיל, טרם נבחן בהקשר של מדע FYHE.
לכן, מחקר זה נועד לבחון את הערך המצטבר של אסטרטגיות עיבוד, אסטרטגיות ויסות, מוטיבציה אקדמית, יכולת עצמית, מושג עצמי (לא-קוגניטיבי) בחיזוי הישגיהם האקדמיים המוקדמים של התלמידים בהקשר של מדע FYHE, מעבר לתחום- ידע קודם ספציפי (קוגניטיבי) ואחרי בקרה על מין, גיל והשכלה קודמת. לשם כך, נוקטת מבט מחקרי אינטגרטיבי, בהתחשב בהשפעות מתווכות, כדי לתפוס את המורכבות של קשרי הגומלין בין גורמי ההשפעה המתוארים. בדרך זו אנו מנסים לתרום לתובנות הנחוצות לזיהוי סטודנטים למדעי סיכון בתחילת דרכם האקדמית.
לסיכום, ומבוסס על מחקר קודם שהתואר במסגרת התיאורטית, גובש המודל הרעיוני הבא (איור 1 ). זה מתאר את היחסים ההשערה בין המבנים שנדונו ונחקרים במחקר זה. ההוראות הצפויות לקשרים אלה מפורטות עוד יותר בטבלה 1 .
שולחן 1
הנחיות משערות על מערכות היחסים הנחקרות
ויסות עצמי
חוסר רגולציה
עיבוד עמוק
עיבוד משטח
הישג אקדמי מוקדם
מוטיבציה אוטונומית
+
-
+
-
+
מוטיבציה מבוקרת
-
+
-
+
-
אמוטיבציה
-
+
-
+
-
יעילות עצמית
+
-
+
-
+
מושג עצמי
+
-
+
-
+
ויסות עצמי
+
-
+
חוסר רגולציה
-
+
-
עיבוד עמוק
+
עיבוד משטח
-
ידע קודם
+
מתודולוגיה
מדגם והליך
מחקר זה התקיים בשתי מחלקות בפקולטה למדעים באוניברסיטה בלגית בשנת הלימודים אקדמית 2016–2017. נעשה שימוש בנתונים של 781 סטודנטים שנה א ', מתוכם 519 (66.5%; 15 נעדרים). שבע דיסציפלינות מדע מחקר היו מעורבות: מדעי תרופות , מדעים ביו-רפואיים , מדעי וטרינרים , ביולוגיה , כימיה , הנדסת מדעי חיים ו ביוכימיה וביוטכנולוגיה. הסמסטר הראשון של השנה הראשונה בתחומי הלימוד הללו כולל בעיקר קורסים מבוא למדע כללי. לדוגמה, בכל שבע תכניות הלימוד נלמד קורס כימיה שנחשב בין חמישה לשבעה נקודות זכות (נקודות לימוד ECTS), תלוי בתכנית הנחשבת. באותה צורה, לשבע תחומי המחקר יש אופי דומה. עם זאת, הדיסציפלינות כוללות מספר קורסים ספציפיים לתוכנית. לדוגמה, הקורס תורת האבולוציה והמיון הביולוגי נלמד רק בתוכנית הביולוגיה.
ניתחנו נתונים שנאספו בעבר למטרות הדרכה. נעשה שימוש בשני רגעי מדידה. לאחר כל רגע מדידה, התלמידים המשתתפים קיבלו דואר אלקטרוני פרטני עם משוב כמותי ואיכותי (טקסטואלי) שהיה מבוסס על ציוני המבחן שלהם. יתר על כן, התלמידים הוזמנו לשוחח על תוצאותיהם עם מדריכי הסטודנטים. במהלך רגע המדידה הראשון (גל 1; N = 731) בתחילת הסמסטר הראשון, הוענקו סקרים מקוונים בנושא מרכיבי הלמידה המוטיבציוניים ובדיקות המודדות ידע קודם לכל התלמידים. אסטרטגיות עיבוד וויסות מומו ברגע המדידה השני (גל 2; N = 592), בשבוע הראשון של דצמבר (חודשיים לאחר תחילת הסמסטר הראשון). כל התלמידים בשבע תחומי הלימוד התבשרו כי ההשתתפות היא חובה כחלק ממסלול הלימודים שלהם. עם זאת, אי השלמת הבדיקות והשאלונים לא הביאו לשום סוג של עונש.
מידות
למעט המבנה מושג העצמי , כל הלא-קוגניטיביים המשתנים במחקר זה נמדדו באמצעות סולמות של אסטרטגיית למידה שאלון דיווח עצמי תוקף שאלון מוטיבציה (Lemo; Donche ואן Petegem 2008 ;. Donche ואח 2010 ). יכולת עצמית ב- LEMO מוגדרת באופן ספציפי יותר כתפיסת התלמיד שיש לו את הידע והמיומנויות הדרושים לביצוע משימת למידה מסוימת. יתר על כן, נעשה שימוש בסולם של שלושה פריטים למדידת התפיסה העצמית הקונסטרוקטיבית, שהומצאה כאמונות עצמיות אקדמיות לגבי המשמעת שנבחרה. אמינות ותוקף של סולם זה לתלמידים ב- FYHE נקבעו בעבר (Van Soom and Donche 2014). לצד המושגים שצוינו לעיל, נכללו במחקר זה שלושה סולמות מוטיבציה (מוטיבציה אוטונומית, מוטיבציה מבוקרת, אמוטיבציה), שתי סולמות אסטרטגיות עיבוד (עיבוד עמוק, עיבוד פני השטח) ושני סולמות אסטרטגיות ויסות (ויסות עצמי, חוסר ויסות). ובכן. טבלה 2 מציגה את מספר הפריטים, את רגע המדידה, דוגמא לפריט ואת האמינות של כל המבנים הלא-קוגניטיביים הנחקרים.
שולחן 2
מאזניים לא קוגניטיביים, רגע מדידה, מספר פריטים, דוגמא לפריט ואמינות
קנה מידה
פריטים
גל
דוגמא
α
מוטיבציה אקדמית א
מוטיבציה מבוקרת
8
1
אני מוטיבציה ללמוד כי אני אמורה לעשות זאת.
.85
מוטיבציה אוטונומית
8
1
אני מוטיבציה ללמוד, כי אני רוצה ללמוד דברים חדשים.
.86
אמוטיבציה
4
1
אני מוטיבציה ללמוד ... בכנות, אני לא יודע; אני מרגיש שבזבזתי את זמני באוניברסיטה.
.84
אמונות עצמיות ב
יעילות עצמית
4
1
יש לי ביטחון בדרך בה אני לומד.
.81
מושג עצמי
3
1
אני חושב שאני מוכן היטב לקורס הזה.
.79
אסטרטגיות למידה ג
עיבוד עמוק
4
2
אני מנסה לשלב בין הנושאים שעוסקים בנפרד בקורס לשלמות אחת.
.72
עיבוד משטח
4
2
אני משנן רשימות של מאפיינים של תופעה מסוימת.
.64
ויסות עצמי
4
2
בנוסף לנושא החובה קראתי ספרים או טקסטים אחרים שקשורים לנושא זה.
.63
חוסר רגולציה
4
2
אני שם לב שקשה לי לקבוע אם שלטתי מספיק בנושא זה.
.73
עונה על קטגוריות: א. 1 (לא חשוב בכלל) - 5 (חשוב מאוד); ב. 1 (לא מסכים לחלוטין) - 5 (מסכים לחלוטין); ג. 1 (אני אף פעם או כמעט אף פעם לא עושה את זה) - 5 (אני כמעט תמיד עושה את זה)
ידע קודם (גל 1)
לפני מספר שנים, שתי החוגים למדעים באוניברסיטה בה נערך מחקר זה הציגו מבחני התמצאות בתחילת השנה האקדמית. מבחנים אלה בוחנים עד כמה התלמידים הם בעלי הידע הדרוש במתמטיקה וכימיה כדי להתחיל בתוכניות הלימוד המדעיות השונות. במחקר הנוכחי, ציוני התלמידים במבחנים אלה ישמשו להמשגה של הידע הקודם הספציפי לתחום שלהם במתמטיקה וכימיה. שילוב הכימיה כתחום הידע הקודם, במקום מדעים אחרים, התבסס בעיקר על הטענה שכימיה היא נושא חשוב בסמסטר הראשון של כל שבע תכניות הלימוד (למשל, הפיזיקה אינה). יתר על כך,
מבחן המתמטיקה מורכב מ 20 שאלות מרובות-בחירות ( α = .76), מהן "באילו נקודות בגרף של הפונקציה f ( x ) = - x 2 + x - 6 יש למנגן שיפוע - 1?" הוא דוגמא. מבחן הכימיה כולל 30 שאלות מרובות-בחירות (למשל "איזה מהפתרונות הבאים הוא פיתרון חיץ?", Α = .80). בדיקות אלו גובשו על ידי מומחים בתחומי המחקר המתאימים, ועברו אופטימיזציה במהלך השנים האחרונות, על סמך מספר ניתוחי אמינות. ניתוח גורמי בירור הראה שבשני הבדיקות כל הפריטים נטענים על גורם אחד.
מאפייני כניסה לפני
נתונים על תלמידים בחינוך לפני , מגדר לבין גיל נאספו באמצעות שאלון דיווח עצמי. לשימוש נוסף בתהליך הניתוח, המשתנה המגדרי היה מקודד בובה (0 = נקבה, 1 = זכר). המדד לחינוך קודם במחקר זה הוא מספר שעות התלמידים המתמטיקה, הכימיה והפיזיקה שקיבלו שבועי בשנה האחרונה לחינוך העל-יסודי. משתנים אלו שוב מקודדים דמה: מתמטיקה (0 = 4 שעות ומטה, 1 = 5 שעות ומעלה), פיזיקה (0 = שעה וחצי, 1 = 2 שעות ומעלה) וכימיה (0 = שעה וחצי, 1 = שעתיים ומעלה). גיל הסטודנטים הושג על ידי חלוקה לשתי קטגוריות: סטודנטים מגיל 18 ומטה (קוד = 0) ותלמידים שגילם יותר מגיל 18 (קוד = 1; 29.1% מהנשאלים).
הישג אקדמי מוקדם
נתונים הנוגעים להישגים אקדמיים של משיבים הושגו באמצעות מאגרי ניהול של הפקולטה המעורבת, לאחר תקופת הבחינות הראשונה בינואר. הישג אקדמי מוקדם הומשך ככל התקדמות הלימוד; מספר נקודות הזיכוי (נקודות לימוד ECTS) שהשיג סטודנט בסוף הסמסטר הראשון, יחסית למספר הקרדיטים שנרשם עבור אותו סמסטר על ידי הסטודנט הנוגע (נקודות זכות שנצברו / נקודות זכות שניסו). סטודנט עבר קורס (מרוויח נקודות זכות), כאשר הוא או היא קיבלו ציון מינימלי של 10 מתוך 20 על ההערכה לאותו קורס.
ניתוח
כדי לענות על שאלת המחקר במחקר זה, נעשה שימוש במודולציה של משוואות מבניות (SEM), תוך שימוש בלוויין חבילות softwar ב- R (Rosseel 2012 ). טכניקה זו מאפשרת דוגמנות של מערכות היחסים העקיפות בין המבנים הנחקרים. יתר על כן, מודלים של משוואות מבניות מאפשרים למודל את המשתנים כמשתנים סמויים, ובכך לסנן שגיאת מדידה (Kline 2016 ).
המבנה המורכב של הנתונים (המשיבים "מקוננים" בתוך שבע תחומי לימוד) היו מציעים גישה רב-שכבתית (Gelman and Hill 2006 ). אכן, כאשר מתעלמים מאשכול התצפיות, הדבר יכול להביא לסבירות מוגברת לביצוע טעויות מסוג I (תומאס והק 2001 ). עם זאת, Maas and Hox ( 2005 ) קובעים שגודל המדגם ברמה השנייה צריך להיות גדול מספיק כדי להיות מסוגל לאמוד במדויק את טעויות התקן ברמה השנייה. אפילו רק בקרה על מבני נתונים מורכבים תדרוש לפחות 20 אשכולות (Muthén 2005). בשל העובדה שבמחקר הנוכחי, מספר היחידות בדרגה שתיים (כלומר שבע) הוא פחות מ -20, הדגם התאים ל- SEM ברמה הפרטנית. בנוסף, בחינה נוספת של קשרים בין נבדקים בתוך האשכולות, תוך שימוש בניתוח SEM מרובה קבוצות, נחשבה כבלתי אפשרית מכיוון שגודל המדגם בתחומי המחקר הבודד (למשל הקטן ביותר: ביולוגיה, N = 46) היה מוגבל מדי.
מכיוון שהנתונים מכילים ערכים חסרים, שהיא בעיה שכיחה במחקרים המשתמשים ברגעי מדידה מרובים (Engels and Diehr 2003 ), נעשה שימוש בסבירות מירבית של חסרים לטיפול בנתונים, המכונה גם מידע מלא הסבירות המרבית (FIML), שנותן תוצאות משוחדות כאשר ערכים חסרים חסרים באופן אקראי, כפי שהונח (וואנג וונג 2012 ). FIML נחשב עדיף על טכניקות מסורתיות (למשל מחיקה ברשימה) מכיוון שהוא ממקסם את הכוח הסטטיסטי על ידי שאילת מידע מהנתונים שנצפו. המשמעות היא שהסבירות המרבית תפיק הערכות פרמטרים מדויקות במצבים בהם גישות מסורתיות יותר אינן יכולות (Enders 2010 ).
באופן כללי ניתן להבחין בשני שלבים באומדן דגמי SEM (Schumacker ו- Lomax 2010 ). בשלב הראשון של הניתוח מצוין מודל המדידה כדי להגדיר את כל מערכות היחסים בין המשתנים הגלויים למשתנה המניפסט. בשלב זה, המכונה גם 'ניתוח גורמי אישור', אומת מבנה הגורמים של המשתנים הנטועים השונים.
בשלב שני של הניתוח, צוין המודל המבני כדי לחקור את הקשרים בין כל המשתנים הגלויים. כדי להשוות את מידת התאמתם של דגמים שונים, ראשית, נעשה שימוש בקריטריון המידע של Akaike (AIC). ערך נמוך יותר במדד זה משקף התאמה טובה יותר של מודל אחד לנתונים לעומת מודל עם ערך AIC גבוה יותר (Kline 2016 ). לצד ה- AIC, נעשה שימוש בשלושה מדדים נוספים כדי לזהות את ההתאמה של דגמים שונים: 'מדד התאמת השוואה' (CFI), 'שגיאת ממוצע שורש של קירוב' (RMSEA) ו'ריבוע ממוצע שורש רגיל '(SRMR). הוא ובנטלר ( 1999)) קבע כי לדגם יש התאמה מצוינת כאשר ל- CFI ערך מעל 0.95, ל- RMSEA ערך פחות מ- .05 ול- SRMR ערך פחות מ -06; למודל יש התאמה מקובלת, עם ערך CFI מעל 0.90, וערכי RMSEA ו- SRMR פחות מ-08.
תוצאות
כצעד ראשון במודל הנתונים, בוצע ניתוח גורמי אישור כדי לחקור עד כמה יש למודל המדידה תוקף קונסטרוקטיבי טוב. לאחר הוספת שלושה מונחי משתנות של שגיאות, הושג מודל המכיל את כל תשעת 'המרכיבים הלא-קוגניטיביים' שמתאימים היטב לנתונים. מדדי ההתאמה הצביעו על כך שלדגם זה (ראה נספח 1 לפרטים נוספים) יש מקובל ( CFI = .92) להתאמה מצוינת ( RMSEA = .04 ו- SRMR = .06).
בהמשך, כדי להבין לראשונה את היחסים בין המשתנים בחלק המבני של דגמי ה- SEM, חישבו מתאמים בין רגעי המוצר של פירסון בין כל המבנים הנחקרים (טבלה 3 ). הטבלה מציגה מתאם משמעותי בינוני עד חזק (כהן 1988 ) בין הישגים אקדמיים מוקדמים מחד, למספר שעות המתמטיקה בשנה האחרונה לחינוך העל-יסודי ( r = .25), גיל ( r = - .23) לעומת זאת, ידע קודם ספציפי בתחום בתחום המתמטיקה ( r = .46) וכימיה ( r = .46). יתר על כן, הישגים אקדמיים מוקדמים מתואמים בצורה חלשה עם יכולת עצמית ( r = .17), מושג עצמי ( r = .13), עיבוד עמוק ( r = .09), חוסר ויסות ( r = - .08), amotivation ( r = - .09) ומספר שעות הפיזיקה בשנה האחרונה לחינוך העל-יסודי ( r = .17). לבסוף, נחשפים מספר מתאמים משמעותיים חלשים עד חזקים בין הגורמים המוטיבציוניים למטא-קוגניטיביים ותכונות הכניסה לפני כן.
שולחן 3
אינטרקורלציות בין מבנים
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
1. חינוך קודם - שעות מתמטיקה
1
2. השכלה ראשונה - כימיה של שעות
.07
1
3. השכלה ראשונה - פיסיקה של שעות
.16 **
.74 **
1
4. גיל
- .23 **
- .06
- .18 **
1
5. מגדר
.14 **
.05
.08 *
- .02
1
6. ידע קודם-כימיה
.16 **
.15 **
.18 **
- .10 *
.09 *
1
7. ידע קודם - מתמטיקה
.31 **
.06
.16 **
- .30 **
.08 *
.55 **
1
8. מושג עצמי
.16 **
.10 *
.14 **
.03
.15 **
.21 **
.12 **
1
9. יכולת עצמית
- .04
.02
.04
- .06
- .04
.16 **
.11 **
.44 **
1
10. אמוטיבציה
.06
.02
.07
- .10 **
.11 **
- .09 *
- .06
- .18 **
- .24 **
1
11. מוטיבציה אוטונומית
- .16 **
.02
- .05
.23 **
- .22 **
.04
- .06
.20 **
.36 **
- .38 **
1
12. מוטיבציה מבוקרת
.06
.01
.04
- .10 **
- .00
- .07
- .00
- .19 **
- .24 **
.31 **
- .17 **
1
13. חוסר רגולציה
.02
- .03
- .01
- .06
- .11 **
- .10 *
- .07
- .40 **
- .50 **
.31 **
- .15 **
.33 **
1
14. ויסות עצמי
- .05
.01
- .03
.18 **
- .07
.02
- .06
.06
.06
- .18 **
.33 **
- .04
- .02
1
15. עיבוד שטח
- .06
- .05
- .06
- .00
- .05
- .05
- .02
- .01
.12 **
.03
.08
.06
- .02
.14 **
1
16. עיבוד עמוק
.01
- .03
- .03
.13 **
.04
.18 **
.08
.24 **
.26 **
- .25 **
.32 **
- .21 **
- .26 **
.43 **
.11 *
1
17. הישג אקדמי מוקדם
.25 **
.07
.17 **
- .27 **
- .05
.41 **
.41 **
.13 **
.17 **
- .09 *
- .01
- .02
- .08 *
- .07
- .06
.09 *
** p <.01, * p <.05
בשלב הבא, SEM הוחל על מנת לחקור עוד יותר את הקשר בין גורמים אלה והישגים אקדמיים מוקדמים. בהתבסס על מחקר קודם שהתואר במסגרת התיאורטית - ותואר באיור 1 - נבדק מודל בסיסי ראשוני, המכיל את כל הנתיבים התיאורטיים. אף על פי שמדדי ההתאמה של דגם זה ( CFI = .90, RMSEA = .04, SRMR = .06, AIC = 70,320.765) היו מקובלים על מצויינים, מספר נתיבים לא היו משמעותיים וחזוי כי מודל מתוקן יכול להביא לטובה בכושר.
שלב שני במפרט החלק המבני של המודל שלנו כלל את האומדן של מודל שונה ופרסמוני יותר על ידי בחינת נתיבים משמעותיים בלבד (Byrne 2010 ). יתר על כן, בתהליך זה בדקנו מספר מודלים חלופיים, תוך התחשבות בדפוסים שונים של השפעות ישירות בין משתנים לא-קוגניטיביים לבין התוצאה של ההישגים האקדמיים (ראו נספח 2 ). מדדי ההתאמה של המודל המתקבל שחזה הישגים אקדמיים מוקדמים (איור 2 ) היו CFI = .91, RMSEA = .04, SRMR = .06 ו- AIC = 70,310.011. בהתבסס על מדדי התאמה אלה, סיכמנו כי מודל הנתיב שהתקבל מתאים יותר לנתונים מאשר למודל קו הבסיס. בהמשך דנו בתוצאות ניתוח SEM זה.
מערכות יחסים בין מנבאים והישגים אקדמיים מוקדמים: המודל ששונה
ראשית, מספר משתנים שנמדדו בגל 1 מנבאים אסטרטגיות ויסות בגל 2. התוצאות מראות שתלמידים שגילם מעל 18 שנים יותר מוסדרים באופן עצמאי בלימודם ( β = .167, p <.01). מאשר סטודנטים בני 18 ומטה. באופן דומה, סטודנטים בעלי מוטיבציה אוטונומית יותר נוטים להציג רמות גבוהות יותר של ויסות עצמי ( β = .441, p <.001). יתרה מזאת, נראה כי סטודנטים שציונים גבוהים יותר על חיבוק ( β = .129, p <.05) ציונים גבוהים יותר על היעדר ויסות, ואילו סטודנטים עם מושג עצמי גבוה ( β = - .161, p <.01), סטודנטים עם יכולת עצמית גבוהה ( β = - .482, p <.001) ולסטודנטים גברים ( β = - .134, p <.01) יש רמות נמוכות יותר של חוסר ויסות. לבסוף, נראה כי רמת המוטיבציה המבוקרת קשורה לחיוב לחוסר הוויסות של התלמידים ( β = .183, p <.05). מהניתוחים עולה כי ניתן להסביר היטב את השונות בחוסר הרגולציה במודל זה (54.2%). זאת בניגוד לשונות המוסברת של ויסות עצמי, שמסתכמת ב 22.3%.
בשלב הבא נבדקו גם המנבאים לאסטרטגיות עיבוד. נמצאו עדויות לכך שתלמידים המסוגלים יותר לווסת את עצמם את הלמידה שלהם משתמשים יותר באסטרטגיית העיבוד 'Relating & Structuring' שהיא אסטרטגיית עיבוד עמוקה ( β = .565, p <.001). סטודנטים המדווחים על רמה גבוהה של חוסר ויסות מצד שני פחות משתמשים לעתים קרובות באסטרטגיית עיבוד עמוקה ( β = - .367, p <.001). אסטרטגיית עיבוד השטח 'שינון' נמצאה קשורה לוויסות עצמי, יעילות עצמית ומוטיבציה מבוקרת. לסטודנטים המדווחים על אמונות מסוגלות עצמית גבוהה יותר בגל הראשון יש ציונים גבוהים יותר על אסטרטגיית עיבוד השטח בגל השני ( β = .197,p <.01). עוד עולה מהתוצאות כי לתלמידים בעלי מוטיבציה מבוקרת יותר יש סגנון למידה שטחי יותר בגל השני ( β = .177, p <.01). לבסוף נראה כי סטודנטים המסתמכים יותר על אסטרטגיות של ויסות עצמי ישתמשו באסטרטגיות למידה שטחיות יותר ( β = .195, p <.01). השונות המוסברת של עיבוד עמוק במודל זה היא 51.9% ואילו רק 9.2% מהשונות של עיבוד פני השטח ניבאה.
חיזוי הישגים אקדמיים מוקדמים
מודל הנתיב המוצג באיור 2 מראה כי הישגים אקדמיים מוקדמים של סטודנטים ניבאים על ידי מספר גורמים לפני הכניסה. לדוגמה, סטודנטים בני 19 ומעלה משיגים אחוז קטן יותר מהקרדיטים המאומצים שלהם מאשר סטודנטים בני 18 ומטה ( β = - .171, p <.001). סטודנטים שקיבלו שבועיים יותר מ -4 שעות מתמטיקה בשנה האחרונה לחינוך העל-יסודי, הישגים אקדמיים מוקדמים גבוהים יותר מאשר סטודנטים שקיבלו 4 שעות ומטה ( β = .129, p <.001). יתרה מזאת, ההישג האקדמי המוקדם של גברים נמוך מזה של האישה ( β = - .118, p <.001). מהתוצאות עולה כי ידע קודם ספציפי לתחום במתמטיקה ( β = .162, p <.01) וכימיה ( β = .284, p <.001) מנבא את ההישגים האקדמיים המוקדמים של התלמידים. ראוי לציין כי רוב היחסים הישירים ההשערות בין מנבאים מטא-קוגניטיביים ומוטיבציונליים לבין הישגיהם האקדמיים המוקדמים של הסטודנטים נעדרים. רק חוסר רגולציה נראה שיש לו השפעה ישירה שלילית על מדד הישג זה ( β = - .123, p <.01). כאמור לעיל, חוסר ויסות ניבא בתורו על ידי כמה מבנים מוטיבציוניים, שיש בהם השפעות עקיפות שונות על הישגים אקדמיים.
טבלה 4 מראה שמודל שלם זה - המכיל מנבאים מקדימים, קוגניטיביים ולא-קוגניטיביים - מסביר 28% מהשונות בהישגיהם האקדמיים המוקדמים של הסטודנטים. באופן מפתיע, התוצאות מראות עוד כי ניתן לחזות רק חלק קטן מהשונות של הישגים אקדמיים מוקדמים על ידי מודל המכיל אך ורק את הגורמים הלא קוגניטיביים (2.8%). יתר על כן, לאחר ביקורת על גורמים טרום הכניסה והקוגניטיבי, לא ניבאה כמות ניכרת של שונות על ידי הגורמים הלא קוגניטיביים (.3%), כפי שניתן לראות גם בטבלה 3 .
טבלה 4
סקירה של השונות המוסברת ( R 2 ) לפי מודלים המכילים מנבאים שונים להישגים
דוגמנית
CFI
RMSEA
SRMR
AIC
R 2
גורמי כניסה לפני כן
.91
.04
.06
71,359.194
.115
כניסה מקדימה + גורמים קוגניטיביים
.90
.04
.06
70,265.959
.277
כניסה מקדימה + גורמים קוגניטיביים + לא-קוגניטיביים
.91
.04
.06
70,258.119
.280
גורמים לא קוגניטיביים
.90
.04
.06
71,427.383
.028
מסקנה ודיון
שיעורי ההצלחה בלימודי סטודנטים למדעים ב- FYHE הם בעייתיים. למרות גוף המחקר הגדול שזיהה את הגורמים הקובעים להישגים אקדמיים ב- FYHE (למשל, ריצ'רדסון ואח ', 2012 ; ואן רואייג' ואח ', 2018) הערך המצטבר של מגוון רחב של גורמים לא-קוגניטיביים בשילוב עם קביעים קוגניטיביים בחיזוי הישגים אקדמיים מוקדמים בחינוך למדע נותר סמוי. יתרה מזאת, מישור מחקר זה מזניח בדרך כלל את האופי המורכב של מערכות היחסים בין הקובעים, ומתמקד אך ורק בזיהוי של קביעים בודדים. המחקר הנוכחי מחדש באימוץ נקודת מבט מחקרית אינטגרטיבית: כיוונו לחקור את הערך המצטבר של אסטרטגיות עיבוד, אסטרטגיות ויסות, מוטיבציה אקדמית, יכולת עצמית ומושג עצמי (בתוך מודל משולב אחד), בניבוי הישגיהם האקדמיים המוקדמים של התלמידים מדע הקשר FYHE, מעבר לידיעות קודמות ספציפיות לתחום במתמטיקה וכימיה.
מהתוצאות עולה כי הישגים אקדמיים מוקדמים של סטודנטים להשכלה גבוהה בשנה הראשונה בהקשר חינוכי מדעי מדויקים ניבאים על ידי ידע קודם ספציפי בתחום בתחום המתמטיקה והכימיה. בממוצע, סטודנטים בעלי ידע מוקדם יותר בתחומי עניין אלה יקבלו אחוז גבוה יותר מהקרדיטים שלהם בסמסטר הראשון. ממצאים אלה מאשרים מחקר קודם שהצביע גם על קשר חיובי בין ידע קודם להישגים אקדמיים (Dochy et al. 2002 ; Fonteyne et al. 2015 ; Richardson et al. 2012 ). לדוגמה, פונטיינה ואח '. ( 2015) דומה מצא כי מבחן שממפה את כישוריהם המתמטיים של התלמידים בשנה הראשונה לפסיכולוגיה ומדעי החינוך בתחילת הסמסטר הראשון ניבא היטב את ההישגים האקדמיים הכלליים.
בניגוד למחקרים קודמים (למשל Prospero ו- Vohra-Gupta 2007 ; Richardson et al. 2012 ), מודל הנתיב מראה רק קשר ישיר אחד בין משתנים לא-קוגניטיביים והישגים אקדמיים מוקדמים. היעדר רגולציה מנבא שלילית הישגים אקדמיים מוקדמים התואמים למחקרים קודמים (Busato et al. 1998 ; Donche and Van Petegem 2010 ; Van Rooij et al. 2018 ; Vermunt 2005 ). סטודנטים שאין להם הבנה ברורה כיצד לנווט את תהליך הלמידה שלהם יקבלו אחוז נמוך יותר מהקרדיטים שלהם בינואר.
כוחו של מחקר זה הוא שמערכת יחסים זו נמצאה לאחר בקרה על ידע מוקדם ומאפייני הכניסה לפני כן. בנוסף, מחקר זה עבר מעבר לשיקול השפעות ישירות נפרדות של משתני מוטיבציה ואסטרטגיות למידה על הישגים אקדמיים מוקדמים, על ידי בחינת יחסי הגומלין שלהם במודל משולב אחד. אכן, במודל שלנו, נוכל לזהות שחוסר ויסות ניבא על ידי מספר גורמים מוטיבציוניים, וגורמים לכמה השפעות עקיפות של משתנים אלה על הישגים אקדמיים. ראשית, התוצאות הראו כי סטודנטים שבטוחים יותר בדרכם ללמוד (מסוגלות עצמית) ותלמידים בעלי הערכה עצמית כללית אקדמית גבוהה (מושג עצמי) מדווחים על רמות נמוכות יותר של חוסר ויסות, התואם את הממצאים. ממחקרים קודמים (Donche et al. 2010). שנית, כפי שדווח על ידי מחקרים קודמים (Donche et al. 2013b ), המודל שהתקבל הצביע על כך שתלמידים שעבורם התמריץ ללמוד נקבע על ידי מקורות חיצוניים (מוטיבציה מבוקרת), ותלמידים שמבקרים ציון גבוה יותר בהפעלה בתחילת הראשון בשנה, ציון גבוה יותר במחסור בהיקף הרגולציה לאחר חודשיים ב- HE.
כאשר מפרשים תוצאות אלה, חשוב לזכור כי חישוב גדלי האפקט הראה כי לאחר שליטה על גורמים מקדימים וכניסה קוגניטיביים שיחד מנבאים 27.7% מהשונות בהישגים אקדמיים מוקדמים - אין חלק ניכר מהשונות בתוצאה. הממדה ניבאה על ידי המשתנים הלא קוגניטיביים (.3%). עם זאת, ממצא זה מנוגד לממצאים שמספר מחקרים שגילו כי גורמים לא-קוגניטיביים תורמים תרומה משמעותית בחיזוי הישגיהם האקדמיים של התלמידים, גם לאחר בקרה על גורמים קוגניטיביים וקדם-כניסה (Campbell et al. 2006 ; Fonteyne; et al. 2017 ; Credé ו- Kuncel 2008 ; Pinxten et al. 2017 ; Richardson et al. 2012 ).
יש לציין כי הלימודים הנזכרים נחשבו להישגים אקדמיים לאחר שנת לימודים אקדמית ואילו המחקר הנוכחי בדק הישגים אקדמיים מוקדמים . מחקרים קודמים שעסקו במדד תוצאות הישג אקדמי מוקדם מדווחים על ממצאים מעורבים בעניין זה. התוצאות שלנו תואמות את הממצאים של אולני ( 2009 ), שלא גילו שום ערך חיזוי מצטבר של משתנים לא קוגניטיביים. Harackiewicz et al. ( 2002 ) ואן סום ודונצ'ה ( 2014 ), לעומת זאת, מצאו כי משתנים לא קוגניטיביים הצליחו לתרום שונות ייחודית בחיזוי הישגים אקדמיים לאחר הסמסטר הראשון מעבר למשתנים קוגניטיביים ומעל.
בנוסף לאמור לעיל, תוצאות המחקר הנוכחי מראות כי המודל החזוי המכיל גורמים לא-קוגניטיביים בלבד מסביר חלק קטן של שונות במדד התוצאה (2.8%), ומתאם בין משתנים לא-קוגניטיביים מצד אחד והישגים אקדמיים מוקדמים לעומת זאת היו חלשים במקרה הטוב. תוצאות אלה מנוגדות לממצאי מחקרים קודמים (כולל גם תחומים אחרים מאשר דיסציפלינות מדעיות) שמצאו קשרים חזקים יותר (למשל ריצ'רדסון ואח ', 2012 ) ובאופן כללי הצליחו להסביר חלק מהותי יותר מהשונות של ההישגים האקדמיים (למשל Prospero ווהרה-גופטה 2007). שוב, מחקרים אלה כללו הישגים אקדמיים בתום שנה אקדמית שהושלמה כמדד התוצאה להישגים, מה שמאשש עוד יותר את הרעיון כי גורמים לא-קוגניטיביים עשויים להיות פחות חשובים בניבוי הישגים אקדמיים מוקדמים בהקשרים מדעיים של FYHE.
לסיכום, חשוב לקחת בחשבון גורמים קוגניטיביים (ידע מוקדם) כאשר חוזים הישגים אקדמיים מוקדמים של סטודנטים בתחומי לימודי מדעים. עם זאת, לא הצלחנו לאשר את ההשערה כי גם למשתנים לא-קוגניטיביים יש ערך מצטבר משמעותי בחיזוי הישגים אקדמיים מוקדמים של סטודנטים אלה. לבסוף, על פי תוצאותינו, על מחקר עתידי לשים לב לגורמי הכניסה מראש כמו גיל, מין ומספר שעות המתמטיקה בחינוך העל-יסודי (השכלה מוקדמת) כאשר הם חוזים את ההישגים האקדמיים המוקדמים של התלמידים ב- FYHE.
השערות, נקודות מבט ומגבלות
אנו מציגים כאן שתי השערות העשויות להסביר את ההשפעה המוגבלת של משתנים לא-קוגניטיביים על הישגים אקדמיים מוקדמים. ניתן היה למצוא סיבה ראשונה לעובדה שבמחקר זה השתמשנו בתוצאות הלמידה של הבחינות בינואר כמדדים להישגים אקדמיים מוקדמים. עם זאת, תחומי לימודי המדע המשולבים במחקר זה כוללים בעיקר קורסי מבוא כללי למדע בסמסטר הראשון של השנה הראשונה; ויכולנו, אם כן, להעלות על הדעת שתכני הלמידה בסמסטר א 'זה הם במידה רבה הישנות של תכנית הלימודים של השנה האחרונה לחינוך העל-יסודי. לאור זה, יתכן שבשלב זה של השכלתם, זה פחות משנה באילו אסטרטגיות למידה התלמידים משתמשים, או כיצד הם מונעים,
השערה שנייה נוגעת למידת הבחינות שלאחר הסמסטר הראשון מנצלות מספיק את השימוש של התלמידים באסטרטגיות עיבוד עמוקות ומווסתות עצמית. ניתן להעלות על הדעת שהערכות אלו עשויות לדרוש בעיקר את הידע העובדתי של התלמידים (כלומר הגדרות ונוסחאות) כדי להצליח; התובנה של התלמידים והבנתם העמוקה או הביקורתית של הנושא עשויה להיות חשובה יותר במהלך הסמסטר השני. הנמקה זו מביאה לידי ביטוי מנגנון המסביר באופן חלקי גם את ההשפעה המוגבלת של משתנים לא-קוגניטיביים על הישגים אקדמיים מוקדמים, מכיוון שאסטרטגיית למידה מותאמת יותר אינה מתוגמלת על ידי צורת ההערכה.
מגבלה של המחקר הנוכחי היא כי גורמים של סטודנטים פרטניים נחשבו כגורמים להשגת הישגים אקדמיים מוקדמים, ואילו גורמים הקשורים לסביבת הלמידה לא נלקחו בחשבון. עם זאת, מחקרים קודמים הראו כי גורמים הקשורים לסביבת הלמידה הם גם מנבאים חשובים להישגיהם האקדמיים של התלמידים (למשל Bruinsma ו- Jansen 2007 ; Ruiz-Gallardo et al. 2011 ). לפיכך, על מחקר עתידי להתייחס גם לכוחם החיזוי של קובעים של הישגים אקדמיים מוקדמים ברמה המוסדית, כמו סביבת הכיתה, איכות וכמות ההוראה, שיטת ההוראה ועומס העבודה של התלמידים.
יתרה מכך, יש להתייחס לכך שההישגים האקדמיים הופעלו על ידי יחס הקרדיטים שנצברו / נקודות זכות. למרות שאנו מאמינים כי מדד התוצאה הזה הוא אינדיקטור חשוב להתקדמות הלימודים המוקדמת שהתלמיד עושה ב- FYHE, הוא אומר מעט על איכות ההצלחה. מחקרים הכוללים GPA כאמצעי הישג, למשל, היו טובים יותר אם איכות זו הייתה המוקד העיקרי למחקר.
לבסוף, מחקר זה היה מוגבל לשימוש בשאלוני דיווח עצמי ובבדיקות קוגניטיביות כשיטות לאיסוף נתונים. עם זאת, מחקרים בלימוד מתווך ממוחשב מצביעים על כך שלמדדים ישירים יותר של גורמים שאינם קוגניטיביים (למשל נתוני פעילות מקוונת המצביעים על המאמץ שמפעיל סטודנט בקורס) עשויים להיות בעלי ערך מצטבר חשוב בחיזוי הישגיהם האקדמיים (המוקדמים) של התלמידים (Campbell et. al. 2006 ; Macfadyen et al. 2010). זה יהיה אזור פורה להמשך המחקר.
השלכות על תרגול
על אף המגבלות כמפורט לעיל, מסקנותינו טומנות בחובה השלכות מעשיות שונות. ראשית, קריאה למעצבים חינוכיים להיות קשובה לתלמידי מדעים עם רמות נמוכות של ידע קודם נראית מתאימה. לאור זאת, המחקר הנוכחי הוא רק צעד אחד בהתפתחות מודל שלוקח בחשבון ריבוי גורמים רלוונטיים בחיזוי התקדמות אקדמית מוקדמת. מודל כזה יכול, למשל, להוות עזר רב בזיהוי סטודנטים למדעי סיכון בתחילת המעבר שלהם להשכלה גבוהה. בהתבסס על תוצאות מחקר זה, אנו קובעים כי ידע קודם צריך למלא תפקיד חיוני בכלי כזה (למשל הערכת כניסה ספציפית למשמעת). יתרה מכך, ניתן להמליץ להרחיב את ה-יוזמות משוב שניתנו לתלמידים בתחילת ההשכלה הגבוהה, על בסיס המידע אודות הידע הקודם של התלמידים. זה יכול להוביל אותם אל הדרוש לאימון ו הדרכה יוזם מוסדות רבים לארגן בחודשים הראשונים של השכלה גבוהה, שמטרתה להקל על המעבר בהשכלה גבוהה בשנה הראשונה. התערבות תומכת אקדמית מוכרת ונחקרת היטב בהקשר זה היא הדרכה משלימה (SI) או פעילויות לימוד בסיוע עמיתים (PASS) (Dawson et al. 2014 ; van der Meer et al. 2017), בהם תלמידי שנה עליונה תומכים בתלמידים בשנה א 'בתהליך המעבר שלהם (למשל הקלה על דיונים סביב תכני הקורס, הכנת פעילויות למידה כמו גיליונות עבודה, עבודה קבוצתית ותרגילי פתרון בעיות). זו רק דוגמא אחת ליוזמת תמיכה שעשויה לעזור לסטודנטים למאבק במאבק ב- FYHE עם ליקויים בידע מוקדם להפיל את הרעה הקוגניטיבית שלהם בתחום מחקר ספציפי.
הערות
הפניות
אקרמן, PL, Kanfer, R., & Beier, ME (2013).תכונות מורכבות, יכולת קוגניטיבית וידע תחומי לניסיון להצלחה בבקבוצת המפתח, התמדה ב- STEM והבדלים מגדריים.כתב העת לפסיכולוגיה חינוכית, 105(3), 911–927.Google Scholar
Bruinsma, M., and Jansen, EPWA (2007).פרודוקטיביות חינוכית בהשכלה גבוהה: בחינת חלק ממודל הפריון החינוכי של וולברג.יעילות בית ספרית ושיפור בתי ספר, 18(1), 45-65.Google Scholar
בוסאטו, VV, Prins, FJ, Elshout, JJ, & Hamaker, C. (1998).סגנונות למידה: מחקר חתך רוחבי ואורך בחינוך הגבוה.כתב העת הבריטי לפסיכולוגיה חינוכית, 68(3), 427–441.Google Scholar
קמפבל, JP, Finnegan, C., & Collins, B. (2006).ניתוחים אקדמיים: שימוש ב- CMS כמערכת התרעה מוקדמת.מאמר שהוצג בוועידת ההשפעה של WebCT 2006.Google Scholar
קנינג, EA, Harackiewicz, JM, Priniski, SJ, Hecht, CA, Tibbetts, Y., & Hyde, JS (2017).שיפור ביצועים ושמירה בביולוגיה מבוא תוך התערבות ערך-תועלת.כתב העת לפסיכולוגיה חינוכית.התקדם בפרסום מקוון.https://doi-org.elib.openu.ac.il/10.1037/edu0000244.
חן, X. (2013).התשה מסוג STEM: מסלולי סטודנטים במכללות לתחומי STEM ומחוצה לה (NCES 2014-001).וושינגטון הבירה: המרכז הלאומי לסטטיסטיקה לחינוך, המכון למדעי החינוך, משרד החינוך האמריקני.Google Scholar
Credé, M., & Kuncel, NR (2008).הרגלי לימוד, כישורים וגישות: העמוד השלישי התומך בביצועים אקדמיים קולגיאטיים.פרספקטיבות על מדע פסיכולוגי, 3(6), 425-453.Google Scholar
דוסון, פ., ואן דר Meer, J., Skalicky, J., and Cowley, K. (2014).על יעילות ההוראה המשלימה: סקירה שיטתית של ההוראה המשלימה וספרות הלימוד בסיוע עמיתים בין 2001 ל 2010.סקירת מחקר חינוכי, 84(4), 609–639.Google Scholar
De Clercq, M., Galand, B., & Frenay, M. (2013a).תרנגולת או ביצה: ניתוח אורכי של הדילמה הסיבתית בין אוריינטציה למטרה, ויסות עצמי ואסטרטגיות עיבוד קוגניטיביות בהשכלה גבוהה.מחקרים בהערכה חינוכית, 39(1), 4–13.Google Scholar
De Clercq, M., Galand, B., Dupont, S., & Frenay, M. (2013b).הישג בקרב סטודנטים שנה א ': גישה משולבת והקשרנית.כתב העת האירופי לפסיכולוגיה של חינוך, 28(3), 641–662.Google Scholar
Deci, EL, & Ryan, RM (2000).ה"מה "וה"מה" של חיפושי המטרה: צרכים אנושיים והגדרה עצמית של התנהגות.בירור פסיכולוגי, 11(4), 227–268.Google Scholar
Dent, AL, & Koenka, AC (2016).הקשר בין למידה בוויסות עצמי לבין הישגים אקדמיים לאורך ילדות ובגרות: מטה-אנליזה.סקירה לפסיכולוגיה חינוכית, 28(3), 425–474.Google Scholar
Dochy, F., Segers, M., & Buehl, MM (1999).הקשר בין פרקטיקות הערכה ותוצאות מחקרים: מקרה של מחקר קודם.סקירה של מחקר חינוכי, 69(2), 145–186.Google Scholar
Dochy, F., De Rijdt, C., & Dyck, W. (2002).תנאים מוקדמים קוגניטיביים ולמידה.עד כמה התקדמנו מאז בלום?השלכות על תרגול והוראה חינוכית.למידה פעילה בחינוך הגבוה, 3(3), 265–284.Google Scholar
Donche, V., & Van Petegem, P. (2008).התוקף והאמינות של המלאי הקצר של דפוסי הלמידה.ב- E. Cools, H. Van den Broeck, C. Evans, T. Redmond (Edds),הבדלי סגנון ותרבות: כיצד ארגונים, אזורים ומדינות יכולים לנצל את הבדלי הסגנון(עמ '49–59).גנט: בית הספר לניהול של וולריק לובן גנט.Google Scholar
Donche, V., & Van Petegem, P. (2010).הקשר בין מאפייני כניסה, סגנון למידה והישג אקדמי של סטודנטים חדשים.במ 'פולסון (עורכת),השכלה גבוהה: הוראה, בינלאומי וסוגיות סטודנטים(עמ' 277–288).ניו יורק: מפרסמים של נובה מדע.Google Scholar
Donche, V., Van Peteghem, P., & Van de Mosselaer, H. (Eds.).(2010).LEMO: מכשיר לפידבק על leren en motivation [LEMO: מלאי לפידבק על למידה ומוטיבציה].מכלן: פלנטין.Google Scholar
Donche, V., Coertjens, L., van Daal, T., De Maeyer, S., & Van Petegem, P. (2013a).הבנת ההבדלים בלמידה של הסטודנטים והישגים אקדמיים בהשכלה הגבוהה בשנה הראשונה.מבט מחקרי משולב.בספר D. Gijbels, V. Donche, JTE Richardson ו- JD Vermunt (Edds),דפוסי למידה בחינוך הגבוה: ממדים ונקודות מבט מחקריות(עמ '214–231).לונדון: Routledge.Google Scholar
Donche, V., De Maeyer, S., Coertjens, L., Van Daal, T., and Van Petegem, P. (2013b).שימוש דיפרנציאלי באסטרטגיות למידה בהשכלה גבוהה שנה א ': השפעת האישיות, המוטיבציה האקדמית ואסטרטגיות ההוראה.כתב העת הבריטי לפסיכולוגיה חינוכית, 83(2), 238–251.Google Scholar
אנדרס, CK (2010).יישמו נתונים חסרים.ניו יורק: Guilford Press.Google Scholar
Engels, JM, and Diehr, P. (2003).זקיפת נתונים אורכיים חסרים: השוואה בין שיטות.Journal of Clinical Epidemiology, 56(10), 968–976.Google Scholar
Entwistle, N., & Ramsden, P. (2015).הבנת למידת התלמידים (התחדשות נתיב).ניו יורק: Routledge.Google Scholar
Fenollar, P., Roman, S., & Cuestas, PJ (2007).ביצועיהם האקדמיים של הסטודנטים באוניברסיטה: מסגרת רעיונית אינטגרטיבית וניתוח אמפירי.כתב העת הבריטי לפסיכולוגיה חינוכית, 77(4), 873–891.Google Scholar
הממשלה הפלמית (2012).Actieplan for it stimuleren van loopbanen in wiskunde, exacte wetenschappen en techniek[תוכנית פעולה לגירוי קריירות לימודים במתמטיקה, מדעים וטכניקות מדויקות].הוחזרב- 25 באפריל 2018 מ-https://onderwijs.vlaanderen.be/sites/default/files/atoms/files/STEM-actieplan.pdf.
פונטיה, ל., דה פרו, פ., דיולף, נ, דייק, וו., ארוו, ק., גומין, ק., ואח '.(2015).מבחן מתמטיקה בסיסי מנבא הישגים סטטיסטיים והצלחה כללית בשנה הראשונה.כתב העת האירופי לפסיכולוגיה של חינוך, 30(1), 95–118.Google Scholar
Fonteyne, L., Duyck, W., and De Fruyt, F. (2017).חיזוי ספציפי לתוכנית להישגים אקדמיים על בסיס גורמים קוגניטיביים ולא קוגניטיביים.למידה והבדלים אישיים, 56, 34-48.Google Scholar
Gasiewski, JA, Eagan, MK, Garcia, GA, Hurtado, S., & Chang, MJ (2012).משמירת סף למעורבות: לימוד שיטות רב-טקסטואליות, מעורבות במעורבות אקדמית של סטודנטים בקורסי STEM מבוא.מחקר בהשכלה גבוהה, 53(2), 229–261.Google Scholar
Gelman, A., & Hill, J. (2006).ניתוח נתונים באמצעות רגרסיה ומודלים רב-ברמה / היררכית.ניו יורק: עיתונות אוניברסיטת קיימברידג '.Google Scholar
גרין, תואר ראשון (2015).מדידת מעורבות קוגניטיבית במאזני הדיווח העצמי: השתקפויות של מעל 20 שנות מחקר.פסיכולוג חינוכי, 50(1), 14–30.Google Scholar
גרין, BA ו- Miller, RB (1996).השפעות על הישגים: יעדים, יכולת נתפסת ומעורבות קוגניטיבית.פסיכולוגיה חינוכית עכשווית, 21(2), 181–192.Google Scholar
Guay, F., Ratelle, C., Roy, A., and Litalien, D. (2010).מושג עצמי אקדמי, מוטיבציה אקדמית אוטונומית, והישג אקדמי: אפקטים מתווכים ותוספים.למידה והבדלים אישיים, 20(6), 644–653.Google Scholar
Harackiewicz, JM, Barron, KE, Tauer, JM, & Elliot, AJ (2002).חיזוי הצלחה במכללה: מחקר אורך של מטרות הישגיות ומודד יכולת כמנבאים להתעניינות וביצועים משנת הלימודים הראשונה ועד סיום הלימודים.כתב העת לפסיכולוגיה חינוכית, 94(3), 562–575.Google Scholar
Heikkilä, A., Niemivirta, M., Nieminen, J., and Lonka, K. (2011).קשרי גומלין בין גישות הסטודנטים באוניברסיטה ללמידה, ויסות הלמידה ואסטרטגיות קוגניטיביות וייחוסיות: גישה מכוונת-אישית.השכלה גבוהה, 61(5), 513–529.Google Scholar
הוא, LT, ובנטלר, ראש הממשלה (1999).קריטריוני קיצוץ לאינדקסים מתאימים בניתוח מבנה משתנה: קריטריונים קונבנציונליים לעומת חלופות חדשות.דוגמנות למשוואה מבנית: כתב עת רב תחומי, 6(1), 1–55.Google Scholar
הואנג, סי (2011).מושג עצמי והישג אקדמי: מטה-אנליזה של יחסי אורך.כתב העת לפסיכולוגיה בית ספרית, 49(5), 505–528.Google Scholar
Komarraju, M., Ramsey, A., & Rinella, V. (2013).מנבאים קוגניטיביים ולא קוגניטיביים לגבי מוכנות וביצועים של המכללה: תפקיד המשמעת האקדמית.למידה והבדלים אישיים, 24, 103–109.Google Scholar
Le, H., Robbins, SB, & Westrick, P. (2014).חיזוי הרשמה לסטודנטים והתמדה בתחומי STEM במכללות באמצעות מסגרת מורחבת של התאמת PE: מחקר רב-שכבתי נרחב.Journal of Applied Psychology, 99(5), 915–947.Google Scholar
Lindblom-Ylänne, S., & Lonka, K. (1998).דרכים אינדיבידואליות לקיום אינטראקציה עם סביבת הלמידה - האם הן קשורות להצלחת הלימוד?למידה והדרכה, 9(1), 1-18.Google Scholar
Maas, CJ, & Hox, JJ (2005).גדלי דוגמה מספקים לדוגמנות רב-שכבתית.מתודולוגיה: כתב העת האירופי לשיטות מחקר למדעי ההתנהגות והחברה, 1(3), 86–92.Google Scholar
Macfadyen, LP, & Dawson, S. (2010).כריית נתוני LMS לפיתוח "מערכת התרעה מוקדמת" למחנכים: הוכחת מושג.מחשבים וחינוך, 54(2), 588–599Google Scholar
McGhie, V., and Du Preez, M. (2015).מענה לצרכי הלמידה של סטודנטים בסיכון באוניברסיטת הכף המערבי: חלק 1.כתב העת הדרום אפריקני להשכלה גבוהה, 29(1), 164-180.Google Scholar
אולני, א '(2009).חיזוי ההצלחה האקדמית של סטודנטים בשנה הראשונה.כתב עת אלקטרוני למחקר בפסיכולוגיה חינוכית, 7(3), 1053–1072.Google Scholar
Phan, HP (2009).קשרים בין מטרות, מסוגלות עצמית, חשיבה ביקורתית ואסטרטגיות עיבוד עמוקות: ניתוח דרך.פסיכולוגיה חינוכית, 29(7), 777–799.Google Scholar
Phan, HP (2010).תפקודם האקדמי של התלמידים ותהליכי למידה קוגניטיביים שונים: מסגרת אינטגרטיבית וניתוח אמפירי.פסיכולוגיה חינוכית, 30(3), 297–322.Google Scholar
Pintrich, יחסי ציבור (2004).מסגרת רעיונית להערכת מוטיבציה ולמידה בוויסות עצמי אצל סטודנטים במכללה.סקירה לפסיכולוגיה חינוכית, 16(4), 385–407.Google Scholar
Pintrich, PR, & Zusho, A. (2007).מוטיבציה ולמידה בוויסות עצמי בכיתת המכללה.בספר ר 'פרי וג'יי סמארט (עורכים),ספר לימוד בנושא הוראה ולמידה בחינוך הגבוה.דורדרכט: הוצאת ספרינגר.Google Scholar
Pinxten, M., Van Soom, C., Peeters, C., De Laet, T., & Langie, G. (2017).בסיכון בשער: חיזוי להצלחה בלימודים של סטודנטים בשנה הראשונה למדעים והנדסה באוניברסיטה עם קבלה פתוחה בפלנדריה - האם יש תוקף מצטבר של אסטרטגיות לימוד?כתב העת האירופי לפסיכולוגיה של חינוך, 1–22.https://doi-org.elib.openu.ac.il/10.1007/s10212-017-0361-x
פיסטילי, MD, וארנולד, KE (2010).בפועל: אותות פורים: כריית נתונים אקדמיים בזמן אמת כדי לשפר את הצלחת התלמידים.אודות הקמפוס, 15(3), 22–24.Google Scholar
Prospero, M., & Vohra-Gupta, S. (2007).סטודנטים מהדור הראשון במכללה: מוטיבציה, אינטגרציה והישגים אקדמיים.כתב העת למחקר ופרקטיקה של המכללה הקהילתית, 31(12), 963–975.Google Scholar
ריצ'רדסון, מ ', אברהם, סי, ובונד, ר' (2012).מתאם פסיכולוגי של ביצועיהם האקדמיים של הסטודנטים באוניברסיטה: סקירה שיטתית ומטא-אנליזה.עלון פסיכולוגי, 138(2), 353-387.Google Scholar
רובינס, SB, Lauver, K., Le, H., דייויס, D., Langley, R., & Carlstrom, A. (2004).האם גורמי מיומנות פסיכו-חברתיים ומחקרים מנבאים את תוצאות המכללות?מטה-אנליזה.עלון פסיכולוגי, 130(2), 261–288.Google Scholar
Rosseel, Y. (2012).Lavaan: חבילת R למודלים של משוואה מבנית.כתב העת לתוכנה סטטיסטית, 48(2), 1-36.Google Scholar
רויז-גאלארדו, ג'יי.אר, קסטאו, ס., גומז-אלדיי, ג'יי ג'יי, וואלדס, א '(2011).הערכת עומס העבודה של התלמידים בלמידה מבוססת בעיות: קשרים בין שיטת ההוראה, עומס העבודה של התלמידים והישגיו.מקרה מבחן במדעי הטבע.הוראה וחינוך מורים, 27(3), 619–627.Google Scholar
שבלסון, RJ, Hubner, JJ, & Stanton, GC (1976).מושג עצמי: אימות של פרשנויות קונסטרוקטיביות.סקירה של מחקר חינוכי, 46(3), 407–441.Google Scholar
תומאס, ס.ל., והק, RH (2001).ניתוח נתונים משניים בקנה מידה גדול במחקר ההשכלה הגבוהה: סכנות פוטנציאליות הקשורות לתכנוני דגימה מורכבים.מחקר בהשכלה גבוהה, 42(5), 517–540.Google Scholar
תומפסון, RA, וזמבנגה, BL (2004).כישורים אקדמיים וידע קודם כמנבאים להישגי התלמידים במבוא לפסיכולוגיה.כתב העת לפסיכולוגיה חינוכית, 96(4), 778–784.Google Scholar
Tinto, V. (1993).עוזב את המכללה: חשיבה מחודשת על הגורמים והתרופות להתשה של הסטודנטים(מהדורה שנייה).שיקגו: אוניברסיטת שיקגו עיתונות.Google Scholar
Tinto, V. (1997).כיתות כקהילות: בחינת האופי החינוכי של התמדה של התלמידים.כתב העת להשכלה גבוהה, 68, 599–623.Google Scholar
van der Meer, J., Wass, R., Scott, S., & Kokaua, J. (2017).מאפייני כניסה והשתתפות בתוכנית למידה עמיתים כמנבאים את הישגי התלמידים בשנה הראשונה, שמירה והשלמת התואר.AERA פתוח, 3(3), 1–13.Google Scholar
van Rooij, E., Brouwer, J., Fokkens-Bruinsma, M., Jansen, E., Donche, V., & Noyens, D. (2018).סקירה שיטתית של גורמים הקשורים להצלחת תלמידי שנה א 'בהשכלה הגבוהה ההולנדית והפלמית.Pedagogische Studiën, 94(5), 360–405.Google Scholar
ואן סום, סי, ודונצ'ה, ו '(2014).פרופיל סטודנטים שנה א 'בתוכניות STEM על בסיס מוטיבציה אוטונומית ותפיסה עצמית אקדמית וקשר עם הישגים אקדמיים.PLoS One, 9(11), e112489.Google Scholar
Vanthournout, G., Gijbels, D., Coertjens, L., Donche, V., and Van Petegem, P. (2012).ההתמדה וההצלחה האקדמית של הסטודנטים בתכנית לתואר ראשון מקצועי בשנה הראשונה: השפעת אסטרטגיות הלמידה של התלמידים והמוטיבציה האקדמית.חקר חינוך בינלאומי, 2012, 1–10.Google Scholar
ורמונט, ג'יי.די (1998).ויסות תהליכי למידה קונסטרוקטיביים.כתב העת הבריטי לפסיכולוגיה חינוכית, 68(2), 149–171.Google Scholar
ורמנט, ג'יי.די (2005).קשרים בין דפוסי למידה של התלמידים לבין גורמים אישיים והקשריים וביצועים אקדמיים.השכלה גבוהה, 49(3), 205–234.Google Scholar
ורמונט, ג'יי.די ודונצ'ה, ו '(2017).נקודת מבט של דפוסי למידה על למידת התלמידים בהשכלה הגבוהה: מצב אמנותי והתקדמות.סקירה לפסיכולוגיה חינוכית, 29(2), 269-299.Google Scholar
ורמונט, ג'יי.די, ורמטן, י.ג '(2004).דפוסים בלמידה של התלמידים: קשרים בין אסטרטגיות למידה, תפיסות למידה וכיווני למידה.סקירה לפסיכולוגיה חינוכית, 16(4), 359–384.Google Scholar
Wang, J., & Wang, X. (2012).דוגמנות משוואה מבנית: יישומים המשתמשים ב- Mplus.צ'יצ'סטר: ג'ון וויילי ובניו.Google Scholar
וויגפילד, A., Byrnes, JP, & Eccles, JS (2006).התפתחות בגיל ההתבגרות המוקדמת והאמצעית.ברש"פ אלכסנדר ו- PH ווין (עורכים),ספר לימוד לפסיכולוגיה חינוכית (עמ '61–113)(מהדורה שנייה).ניו יורק: Routledge.Google Scholar
Woosley, SA (2003).כמה חשובים השבועות הראשונים של הלימודים בקולג '?ההשפעות לטווח הארוך של חוויות ראשוניות במכללה.יומן הסטודנטים במכללה, 37(2), 201–208.Google Scholar
יורקה, מ '(2000).החלקת המעבר להשכלה גבוהה: מה ניתן ללמוד מאי השלמת התלמידים.כתב העת למחקר מוסדי, 9(1), 35-47.Google Scholar
Zeegers, P. (2001).למידת סטודנטים במדע: מחקר אורכי.כתב העת הבריטי לפסיכולוגיה חינוכית, 71(1), 115–132.Google Scholar
